Application of the Neural Network to Predict the Adolescents' Computer Entertainment Behavior

청소년의 컴퓨터 오락추구 행동을 예측하기 위한 신경망 활용

This study investigates the predictive model of the adolescents' computer entertainment behavior using neural network with the KYPS data (3449 in the junior high school; 1725 boys and 1724 girls). This study compares the results of neural network(model 1) to the logistic regression model and neural network(model 2) with the exact same variables used in logistic regression. The results reveal that the prediction of neural network model 1 is the highest among three models and with gender, computer use time, family income, the number of close friends, the number of misdeed friends, individual study time, self-control, private education time, leisure time, self-belief, stress, adaptation to school, and study related worries, the neural network model 1 predicts the computer entertainment behavior more efficiently. These results suggest that the neural network could be used for diagnosing and adjusting the adolescents' computer entertainment behavior.

본 연구에서는 신경망을 활용하여 청소년의 컴퓨터 오락추구 행동을 설명하는 예측모형을 조사하고자 하였다. 이를 위해 한국청소년 패널 조사(KYPS)의 중 2패널의 1차년도 데이터(총 3449명, 남: 1725명, 여: 1724명)를 대상으로 하여 신경망 모형(모형 1)을 구축하였다. 또한 신경망 모형의 성능을 분석하고자 로지스틱 회귀 분석을 실시하고 로지스틱 회귀 분석과의 보다 정확한 비교를 위해 동일한 변수를 입력데이터 값으로 하는 신경망 모형(모형 2)도 구축하여 세 모형의 예측율을 비교하였다. 그 결과, 신경망 모형 1이 가장 높은 분류적중율을 나타냈으며, 이 모형에 따라 성별, 컴퓨터사용시간, 가구월평균소득, 친한친구수, 비행친구수, 개인공부시간, 자기통제력, 사교육시간, 여가시간, 자기신뢰감, 스트레스, 학교적응, 공부고민 등의 변수들로 청소년의 컴퓨터 오락추구 행동을 예측하는 것이 보다 정확하고 효율적임을 제시하였다. 본 연구의 결과는 청소년의 컴퓨터 오락추구 행동을 예측하고 진단하거나 적절하게 조절 대처하는데 사용될 수 있음을 제언한다.